क्या आप डिलीट करेंगे?
मिसिंग वैल्यूज़ को पूरी तरह डिलीट करने से पहले, डिलीशन के कारणों पर विचार करना ज़रूरी है। सबसे सरल कारक है मिसिंग डेटा का आकार। मिसिंगनेस को प्रभावित करने वाले जटिल कारणों के लिए अक्सर डोमेन नॉलेज चाहिए होती है। इस अभ्यास में, आप मिसिंगनेस के कारण की पहचान करेंगे और फिर उपयुक्त डिलीशन करेंगे.
आप सबसे पहले msno.matrix() और msno.heatmap() का उपयोग करके मिसिंगनेस और मिसिंग डेटा वाले वैरिएबल्स के बीच कोरिलेशन को विज़ुअलाइज़ करेंगे। उसके बाद आप मिसिंगनेस में पैटर्न तय करेंगे। अंत में, मिसिंगनेस के प्रकार के आधार पर डिलीट करेंगे।
diabetes DataFrame आपके लिए लोड कर दिया गया है।
ध्यान दें कि आउटपुट देखना आसान बनाने के लिए हमने plt.show() की बजाय एक स्वामित्वयुक्त display() फंक्शन इस्तेमाल किया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Missing Data से निपटना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Visualize the missingness in the data
___.___(___)
# Display nullity matrix
display("/usr/local/share/datasets/matrix_diabetes.png")